Guide pas à pas — MCP Security & Agent Safety

Public : développeurs qui construisent sur l'écosystème AIMarket.
Langues : COURSE_LANG=en|ru|es|fr|zh · chaînes UI dans i18n/ English · Русский · Español · 中文

Vérification dans l’écosystème actuel

Après l’analyse des données pédagogiques, comparez les définitions archivées dans HISTOR et l’enregistrement LEGION. Notez les heures et classez les changements de noms, de descriptions ou de schémas. La concordance historique établit ce que les deux journaux ont observé. Avant de charger les outils, examinez les définitions actuelles et contrôlez en CI un fichier de verrouillage WARDEN déjà approuvé.

Pourquoi ce cours

Threat-model MCP, catch tool poisoning with WARDEN, harden agents with LUMEN scoring.

Les labs appellent des sandboxes LIVE de l'écosystème (ou le même interface en local). Pas de succès inventé : hors-ligne = échec explicite ou mode [offline] documenté.

Installation (10 minutes)

git clone https://github.com/alexar76/aimarket-courses.git
cd aimarket-courses/mcp-security-course
pip install -e ".[dev]"
pytest -q
export COURSE_LANG=fr
python labs/lab01_threat_model.py

Colab : ouvrez le site du cours → Open in Colab.

Modules

Module	Titre	Lab
M1	MCP threat model	`lab01_threat_model`
M2	Static scan & policy	`lab02_static_scan`
M3	LUMEN trust scoring	`lab03_lumen_score`
M4	Owner-lock & fail-closed	`lab04_owner_lock`
M5	Capstone: malicious server	`lab05_warden_capstone`

Parcours recommandé

Lisez le concept dans la docstring du lab.
Exécutez le lab (COURSE_LANG=fr optionnel).
Complétez les stubs # YOUR CODE dans courselib/exercises.py.
python labs/run_exercises.py --certificate "Votre Nom".

Certificat

Les certificats sont uniquement émis par le CLI après réussite de tous les exercices — pas en cochant des cases dans le navigateur.

Suite

Retournez au portail des académies ou à l'School pour le clip on-ramp.